醫(yī)學(xué)圖像配準(zhǔn)技術(shù)與應(yīng)用

前言
第1章緒論1
1.1圖像配準(zhǔn)概述1
1.1.1圖像配準(zhǔn)的數(shù)學(xué)定義2
1.1.2圖像配準(zhǔn)的基本框架3
1.1.3圖像配準(zhǔn)方法的分類4
1.1.4圖像配準(zhǔn)的步驟6
1.2圖像配準(zhǔn)在醫(yī)學(xué)領(lǐng)域的應(yīng)用8
1.2.1醫(yī)學(xué)圖像配準(zhǔn)的發(fā)展歷史8
1.2.2配準(zhǔn)技術(shù)的應(yīng)用8
1.2.3醫(yī)學(xué)圖像配準(zhǔn)的國內(nèi)外研究現(xiàn)狀和面臨的問題9
1.2.4醫(yī)學(xué)圖像的配準(zhǔn)方法10
1.2.5常用的醫(yī)學(xué)圖像配準(zhǔn)技術(shù)及其應(yīng)用10
1.3全書框架12
參考文獻13
第2章特征空間和搜索空間17
2.1特征空間17
2.1.1點檢測17
2.1.2線檢測19
2.1.3Hough變換20
2.1.4邊緣檢測24
2.1.5水平集43
2.2搜索空間50
2.2.1平移變換51
2.2.2旋轉(zhuǎn)變換52
2.2.3縮放變換55
2.2.4仿射變換56
參考文獻61
第3章搜索策略64
3.1一維搜索算法64
3.1.1黃金分割法64
3.1.2進退法64
3.1.3拋物線法65
3.1.4Brent方法66
3.2Powell算法67
3.2.1基本Powell算法實現(xiàn)67
3.2.2改進的Powell算法67
3.3遺傳算法68
3.4蟻群算法74
3.5物理模型76
3.6光流場模型78
參考文獻79
第4章醫(yī)學(xué)圖像配準(zhǔn)80
4.1配準(zhǔn)對象分類80
4.1.1基于成像模式80
4.1.2基于主體來源80
4.1.3基于圖像特征81
4.2基本原理81
4.2.1算法框架81
4.2.2算法流程82
4.3典型算法分類88
4.3.1像素級配準(zhǔn)90
4.3.2特征級配準(zhǔn)90
4.3.3基于形變模型的配準(zhǔn)91
4.4圖像配準(zhǔn)質(zhì)量評價93
4.4.1配準(zhǔn)評價指標(biāo)93
4.4.2評價方法94
參考文獻95
第5章剛性醫(yī)學(xué)圖像配準(zhǔn)算法及其實現(xiàn)99
5.1基于遺傳算法的醫(yī)學(xué)圖像配準(zhǔn)算法100
5.1.1算法思想與步驟100
5.1.2邊緣提取101
5.1.3參數(shù)搜索106
5.1.4實驗和結(jié)果分析109
5.2基于點集匹配的醫(yī)學(xué)圖像配準(zhǔn)算法111
5.2.1算法思想與步驟111
5.2.2特征點提取112
5.2.3特征點匹配114
5.2.4實驗和結(jié)果分析119
5.3基于互信息的3D圖像配準(zhǔn)120
5.3.1算法思想與步驟120
5.3.2相似性度量123
5.3.33D變換參數(shù)估計124
5.3.4優(yōu)化搜索策略125
5.3.5互信息配準(zhǔn)128
5.3.6實驗和結(jié)果分析130
參考文獻143
第6章非剛性醫(yī)學(xué)圖像配準(zhǔn)算法及其實現(xiàn)145
6.1基于B樣條的彈性醫(yī)學(xué)圖像配準(zhǔn)145
6.1.1算法思想與步驟145
6.1.2B樣條函數(shù)146
6.1.3相似性度量148
6.1.4參數(shù)優(yōu)化151
6.1.5實驗和結(jié)果分析151
6.2基于三角形網(wǎng)格的非剛性醫(yī)學(xué)圖像配準(zhǔn)算法154
6.2.1算法思想與步驟154
6.2.2全局剛性配準(zhǔn)155
6.2.3特征點提取160
6.2.4特征點匹配164
6.2.5局部精確配準(zhǔn)168
6.2.6實驗和結(jié)果分析169
6.3基于光流場模型的非剛性醫(yī)學(xué)圖像配準(zhǔn)算法173
6.3.1算法思想與步驟173
6.3.2特征向量提取174
6.3.3特征向量匹配177
6.3.4粗配準(zhǔn)178
6.3.5精配準(zhǔn)178
6.3.6實驗和結(jié)果分析181
參考文獻186
第7章配準(zhǔn)圖像在圖像融合中的應(yīng)用189
7.1像素級醫(yī)學(xué)圖像融合189
7.1.1加權(quán)平均法189
7.1.2對比度調(diào)制法190
7.1.3基于圖像分割的圖像融合194
7.1.4小波域圖像融合197
7.1.5Contourlet域圖像融合203
7.2特征級醫(yī)學(xué)圖像融合209
7.2.1基于紋理提取的圖像融合算法209
7.2.2基于聚類劃分的圖像融合方法215
7.3融合圖像結(jié)果評價221
7.3.1主觀評價222
7.3.2客觀評價222
7.3.3評價指標(biāo)選取228
7.3.4小結(jié)229
參考文獻230
第8章配準(zhǔn)圖像在多維可視化中的應(yīng)用233
8.1醫(yī)學(xué)圖像三維可視化技術(shù)233
8.1.1概述233
8.1.2面繪制方法234
8.1.3體繪制方法240
8.1.4其他方法247
8.2三維可視化交互技術(shù)248
8.2.1多平面切割248
8.2.2任意平面切割250
8.2.3長方體切割254
8.2.4三維空間定量測量255
8.2.5三維可視化演示257
8.3醫(yī)學(xué)圖像四維可視化技術(shù)265
8.3.1概述265
8.3.2空間分割算法266
8.3.3心電門控技術(shù)268
8.4心臟的四維可視化274
8.4.1心臟CT數(shù)據(jù)采集274
8.4.2心臟的四維可視化274
8.4.3四維心臟VR實現(xiàn)275
8.4.4四維心臟最大密度投影276
8.4.5四維可視化效果277
8.5感興趣區(qū)域四維可視化280
8.5.1局部冠狀動脈仿真281
8.5.2感興趣體積提取283
參考文獻292
第9章配準(zhǔn)圖像在虛擬內(nèi)窺鏡中的應(yīng)用294
9.1概述294
9.2圖像分割295
9.2.1閾值分割296
9.2.2區(qū)域生長分割298
9.2.3模糊聚類法299
9.2.4邊緣檢測分割法299
9.2.5實驗結(jié)果與分析300
9.3路徑規(guī)劃300
9.3.1中心線規(guī)劃技術(shù)301
9.3.2DFB距離變換法303
9.3.3虛擬相機306
9.3.4系統(tǒng)實現(xiàn)308
9.4三維重建309
9.4.1概述309
9.4.2基于光線投射算法的體繪制方法310
9.4.3中心路徑特性311
9.4.4基于DFB場的中心線自動提取算法312
9.4.5算法改進317
9.4.6提取中心線321
9.5虛擬內(nèi)窺鏡自動漫游322
9.5.1路徑平滑322
9.5.2虛擬漫游實現(xiàn)323
參考文獻325
彩圖